包含小数点的手写数字串切分与识别
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-11页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题研究背景及意义 | 第11页 |
| 1.2 手写数字串识别技术的发展与研究现状 | 第11-13页 |
| 1.2.1 字符串识别的发展历程 | 第11-12页 |
| 1.2.2 手写数字串识别技术的研究现状 | 第12-13页 |
| 1.3 论文的研究内容和组织结构 | 第13-17页 |
| 1.3.1 系统流程 | 第13-14页 |
| 1.3.2 本文的主要工作 | 第14-15页 |
| 1.3.3 结构和章节安排 | 第15-17页 |
| 第二章 手写数字串的识别技术 | 第17-25页 |
| 2.1 单个手写数字的识别 | 第17-18页 |
| 2.2 手写数字串识别的难点 | 第18页 |
| 2.3 手写数字串常用切分方法 | 第18-23页 |
| 2.4 本章小结 | 第23-25页 |
| 第三章 基于神经网络单数字识别及其评价方法 | 第25-41页 |
| 3.1 人工神经网络 | 第25-29页 |
| 3.1.1 神经元模型与激励函数 | 第25-27页 |
| 3.1.2 BP神经网络的训练 | 第27-28页 |
| 3.1.3 梯度下降法 | 第28-29页 |
| 3.2 用于数字识别的卷积神经网络的拓扑结构 | 第29-31页 |
| 3.3 训练神经网络数据集的选择 | 第31-34页 |
| 3.4 神经网络的优化 | 第34-38页 |
| 3.4.1 学习率的选择 | 第34-36页 |
| 3.4.2 逐层贪婪训练 | 第36-38页 |
| 3.5 神经网络识别结果的评价方法 | 第38-39页 |
| 3.6 本章小结 | 第39-41页 |
| 第四章 基于识别的手写数字串切分 | 第41-61页 |
| 4.1 手写数字串的预处理 | 第42-46页 |
| 4.1.1 二值化 | 第42-44页 |
| 4.1.2 基于结构分析的图像去噪 | 第44-46页 |
| 4.2 小数点的识别 | 第46-48页 |
| 4.3 数字串的切分 | 第48-58页 |
| 4.3.1 切分流程介绍 | 第48-49页 |
| 4.3.2 图像前景与背景的细化 | 第49-52页 |
| 4.3.3 基于细化骨架点的粘连数字切分 | 第52-58页 |
| 4.4 分离笔画的判别 | 第58-59页 |
| 4.5 本章小结 | 第59-61页 |
| 第五章 实验结果分析 | 第61-65页 |
| 5.1 神经网络的识别结果 | 第61页 |
| 5.2 粘连数字切分结果分析 | 第61-62页 |
| 5.3 归一化阶段不同参数值对识别结果的影响 | 第62-64页 |
| 5.4 基于采集自试卷的样本识别结果分析 | 第64-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 6.1 研究工作总结 | 第65-66页 |
| 6.2 未来研究工作展望 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 硕士在读期间科研成果介绍 | 第72-74页 |
| 致谢 | 第74页 |
